一种递增叫价的多属性拍卖方法

采用拍卖方法来进行资源分配是多Agent系统研究中的重要问题．基于广义的多属性拍卖模型,提出了一种递增叫价的多属性拍卖方法——MAE．对MAE中卖方和买方的策略和效用进行了分析,进而证明了MAE的一些重要性质．例如卖方和买方满足独立理性,且都有接近最优的策略,在这一组策略下买方和卖方的总效用接近最大．将MAE与已有的多属性拍卖方法进行了比较,结果表明MAE改进了Esther David的工作,并且说明MAE是一种可以取代MAV的递增叫价多属性拍卖方法．     

一种安全的暗标叫价多属性拍卖方案

已有的多属性拍卖方法很少顾及网上拍卖的安全性及节点问题,而安全的电子拍卖方案又少顾及拍卖的效用和策略等问题.在已有的多属性拍卖方法和安全的电子拍卖方案的基础上,提出一种安全的暗标叫价多属性拍卖方案--SAMAV方案,对金NFDD8和秦波的工作进行了改进.SAMAV方案既是一种广义的多属性拍卖方法,又可以保证拍卖公平、公正的进行,因而更加具有适用性和广泛性.     

一种安全的多属性拍卖模型

网络拍卖不仅成为电子商务不可分割的部分,而且是自治Agent和多Agent系统(MAS)技术的重要应用领域.同时,拍卖作为一种有效的资源分配形式,在联盟生成等MAS问题中有着重要的应用,因而受到学者们越来越多的关注.拍卖的安全性、隐私性特征是拍卖研究的重要方面.给出了一个一般的多属性拍卖模型和一个安全的多属性拍卖协议--SVAMA协议,并证明了SVAMA的一些重要性质,如Strategy-proof等.并与已有的多属性拍卖和使用的安全方法进行了比较,部分改进了David,Brandt等人的工作.     

基于多Agent的多属性拍卖系统研究

通过对现有网上拍卖系统的深入分析,指出多属性网上拍卖系统的研究是最为薄弱的环节。依据网上交易的需求和分布式人工智能迅速发展,提出了一种基于多Agent的多属性网上拍卖系统,着重对多属性拍卖协议和策略,以及系统构架进行了探讨,给出了集成式的多属性网上拍卖系统的算法,并对今后的研究方向进行了展望。     

多agent两阶段多属性协商模型

多议题模型中,在议题的评价机制上买卖双方大多采用多属性效用理论或其变形理论,如距离函数等。提出了多属性效用理论实际应用中的悖论问题,分析了造成理论应用偏差的原因和B2C领域电子商务活动交易的特点,进而提出了一个协商拍卖模型。该模型分两个阶段来进行,提高了协商效率,而且允许卖方体现商品的特色,差异化自己的商品。     

基于多Agent的多属性拍卖模型的设计

本文针对买方为主的拍卖结构,提出了一种基于多Agent技术的多属性拍卖模型.采用Skyline算法实现招标的选优,协同过滤技术实现投标的推荐,利用多Agent技术优点完成多属性拍卖过程的自动化处理.分析表明该模型是一种较为有效、智能化的模型.     

基于GAI多属性依赖的协商模型

多属性之间的依赖关系增加协商Agent效用函数的复杂性,从而也增加多属性协商问题的复杂度.本文提出一种基于GAI多属性依赖的协商模型.该模型使用GAI分解将协商Agent的非线性效用函数表示为依赖属性子集的子效用之和.在协商过程中,协商双方采用不同的让步策略和提议策略来改变提议的内容.卖方Agent利用本文提出的GAI网合并算法将协商双方的GAI网合并,并利用生成的GAI树产生使社会福利评估值最大的提议.实验表明当买方Agent采用局部让步策略且卖方Agent采用全局让步策略时,协商双方能够在有限的协商步内达到接近Pareto最优的协商结局.     

基于前景理论和模糊理论的在线多属性采购拍卖 供应商选择决策

在线多属性采购拍卖已在工程招标、政府采购等诸多领域有着广泛应用.由于在实际的采购拍卖活动中,往往采购方对采购商品的相关属性指标存在不同程度的不确定性,采购商在对采购品属性的描述及相应权重的确定上都存在困难,进而导致采购商在面临供应商选择决策上难度增大.为了解决这些问题,从采购方利益角度出发,考虑风险态度对决策者行为的影响,引入前景理论,研究4种模糊描述方式并存情况下的在线多属性采购拍卖的供应商选择决策问题;在综合考虑主客观因素确定属性权重的情况下,提出一种新的在线多属性采购拍卖供应商选择决策方法;最后通过相关的算例分析与比较说明所提出方法的有效性.     

采用Bayes多传感器数据融合方法进行目标识别

详细叙述了采用基于Bayes数据融合方法的基本原理、融合模型。利用Bayes多传感器数据融合方法,对一个目标类型和属性融合的应用实例进行计算。分别用Bayes公式计算出两次融合的概率值。从计算结果可以看出:提高了目标识别的概率,降低了不确定的概率,说明这种方法可以达到较高的识别率,是目标类型和属性识别的有效方法。     

基于密文策略属性基加密系统访问机制的缓存替换策略

为提高基于密文策略属性基加密（CP-ABE）系统的数据缓存性能,针对CP-ABE加密的数据,提出一种有效的缓存替换算法--最小属性价值（MAV）算法。该算法结合CP-ABE加密文件的访问策略并统计高频属性值的个数,利用余弦相似度方法和高频属性值统计表来计算属性相似度;同时结合属性相似度和文件大小计算缓存文件的属性值价值,并替换属性值价值最小的文件。在与最近最少使用（LRU）、最不经常使用（LFU）、Size缓存替换算法的对比实验中,针对CP-ABE加密后的数据,MAV算法在提高加密文件请求命中率和字节命中率方面具有更好的性能。